谷歌AI掌门人：智能革命，是工业革命的100倍！

内容来源：网络信息整理汇编。

责编| 贾宁排版| 拾零

第 9432篇深度好文：5463字 | 18 分钟阅读

商业趋势

笔记君说：

在今年达沃斯论坛上，德米斯·哈萨比斯，这位身兼国际象棋大师、神经科学博士、AI先驱与诺贝尔化学奖得主的谷歌DeepMind首席执行官，用一句“没有，从来都没有安心的时候”，揭开了全球AI竞赛最真实的内幕。

他带领的团队持续处于“红色警报”状态。他本人长期保持着每周100小时、一年50周的工作强度，把一家万亿美元体量的科技巨头，硬生生拉回到创业公司的战时节奏。

他第一次系统回应了所有核心话题：谷歌是否慢半拍？中国AI到底追得多紧？机器人何时颠覆现实世界？AGI（通用人工智能）何时到来？AI时代之后，人类又要到哪里去？

以下，是德米斯·哈萨比斯接受彭博社专访中的自述部分，略有删减。

希望今天的内容，能给你带来启发和帮助。

一、谷歌，从来没有“慢半拍”

没有，从来都没有安心的时候。

过去四年谷歌一直处于“红色警报”的笼罩下，团队保持着战时节奏。我本人每周工作100小时、一年50周几乎都在工作，因为对即将到来的变化兴奋不已。

此外，我感觉我们已经真正适应了这个快速迭代的新世界，为谷歌注入了初创企业般的活力。

有人说谷歌慢下来了，这是一个彻底的误解，我们一直都拥有站在这个领域前沿的所有必备条件。

过去10年，现代人工智能行业所依赖的约90%的突破性技术，都是我们研发的Transformer架构（笔记侠注：一种深度学习模型，被OPENAI采用开发出了ChatGPT）、深度强化学习、AlphaGo背后的技术体系——这些塑造了当前AI格局的基础性突破，几乎都出自谷歌与DeepMind之手。

我们拥有令人惊叹的产品和服务，像搜索、Gmail和Chrome，坐拥数十亿用户，而这些产品与人工智能有着天然的契合度。关键在于如何将这些要素整合，并以正确的方式组织起来。

在技术发展如此迅猛的最前沿，你必须全力以赴。竞争异常激烈，这或许是科技史上最为激烈的竞争。

过去几年我们做到了这一点。虽然仍有工作要做，但已经取得了一些成果。

二、18-24个月之内，

物理AI会出现突破

过去一年我花了大量时间深入研究机器人技术。我们正处在物理AI取得突破性进展的临界点。距离实现这一突破，我们还有18个月到两年的时间。

大模型将是最终AGI（通用人工智能）系统的核心组件。我不同意像Yann LeCun（杨立昆）的观点，他认为大模型是死胡同。

我认为哪怕有新突破，大模型也会是那个最重要的基石。DeepMind（谷歌旗下人工智能公司）的优势在于，我们有足够深厚的研究底蕴，可以双管齐下：一边将现有的Transformer架构推向极致，一边探索那些全新的架构创新。

Gemini从一开始就不是“聊天模型”，而是一个理解现实世界的多模态系统，是通往物理AI的入口。未来Gemini只会走向两个方向：随身的通用AI助手（眼镜、手机）和真正能干活的机器人。

我们的愿景是让AI能够“看”你所看，“听”你所听。想象一下，你在一个陌生的城市，你不需要掏出手机，只需要问一句：“前面那栋建筑是什么？”或者你在做饭，眼镜直接告诉你这一步该放多少盐。

要实现这种无缝的体验，必须是眼镜。我们正在与Warby Parker、Gentle Monster以及三星等伙伴合作，打造下一代设备。这会是一个全新的、定义品类的技术产品。

在机器人方面，我们正与波士顿动力展开深度合作，今年会先推出原型机进行测试，或许一两年后，我们就能展示一些令人印象深刻的成果。

让机器人能在现实世界中稳定地完成各类有实际价值的任务，这就是突破的时刻。

三、2030年，有50%的概率

实现AGI（通用人工智能）

任何一名科学家都清楚，找到正确的问题，往往比找到答案难得多。

我既不认同杨立昆的“Transformer（谷歌提出的一种深度学习模型）尽头论”，也不认同伊利亚（前OpenAI首席科学家）的“规模扩展终结论”，更不认同马斯克的“技术奇点已至”。

我认为有50%的可能，只需在现有方法的基础上进行优化并扩大规模，就能实现通用人工智能。但距离AGI（通用人工智能）还需要“一两项，最多不超过五项突破性技术”。

比如世界模型，目前我们的GENI系统就是最先进的世界模型（笔记侠注：GENI是Google内部正在研发的一类世界模型），我也直接参与了这项研发，我认为它至关重要。

我认为，是否属于AGI（通用人工智能）的核心在于“学习”。学习是智能的同义词。如果我们说一个系统是通用的，那意味着它必须具备通用学习能力。它必须能学习新知识，并且能跨领域学习。如果一个系统只能靠工程师手动写入规则，那它肯定不是AGI（通用人工智能）。

AGI（通用人工智能）应该有一个科学的定义。我的定义一直是：一个能够执行人类所能做的所有认知任务的系统。

请注意，我说的是“所有”。这意味着它不仅要能像现在的AI这样写代码、画图，它还要能达到人类创造力的巅峰。

它不仅要能解一道已知的数学题，还要能像拉马努金（印度著名数学家）那样，凭借直觉提出全新的数学猜想。

它不仅要能解决已知的科学问题，还要能像爱因斯坦提出广义相对论那样，提出全新的物理理论。

它不仅要能模仿艺术风格，还要能像毕加索或莫扎特那样，开创前所未有的艺术流派。

目前我们的系统，无论解决了多少像AlphaFold（生物分子结构预测人工智能模型）这样的难题，距离这种真正的“创造性突破”还有很长的路要走。人类的大脑做到了这一点，最聪明的人类做到了，所以这在物理上是可行的。但AGI（通用人工智能）必须具备在任何领域都能做到这一点的潜力。

此外，我还要加上物理智能（Physical Intelligence）。看看达沃斯街头的运动员，或者普通的蓝领工人，他们对身体的控制能力、在物理世界中的灵巧性，是目前的机器人望尘莫及的。

AGI（通用人工智能）必须包含这种与物理世界交互的能力，这是实现AGI（通用人工智能）的关键。

想象一下机器人技术。如果你想要一个能为你做家务的机器人，它必须能在脑海中“模拟”未来：如果我这么做，会发生什么？它需要预测未来的轨迹。目前的语言模型虽然能写诗，但缺乏这种对物理世界的扎实理解。

所以我认为，真正的AGI（通用人工智能）离我们还有5到10年的距离。

四、AI是终极科学工具，

但奖项依然属于人类

目前来看，人工智能依然只是工具，它是终极的科学研究工具，就像更先进的望远镜和显微镜。

人类一直都在制造工具，让自己能更好地探索自然世界，人类本质上就是会制造工具的物种，这也是人类与其他动物的区别，而工具也让人类拥有了超越自身的能力，计算机当然也属于这类工具，人工智能则是这种能力的终极体现。

所以在我看来，人工智能一直都是推动科学研究的终极工具，而且在可预见的未来，科学研究都将是顶尖科学家与人工智能的合作成果：科学家提出富有创意的想法和研究假设，而人工智能作为强大的工具，助力提升数据处理、模式识别的效率，推动科学探索的进程。

五、未来变革的速度，

是工业革命的10倍

今年，我们会看到初级岗位和实习岗位可能会受到AI的影响，但要实现大规模取代，我们还需要解决人工智能系统的稳定性问题。

我把目前人工智能的这种不均衡表现称为“锯齿型智能”，在某些领域表现出色，在另一些领域却不尽如人意。如果想将一整项工作完全交由人工智能代理完成，而非像现在这样，仅让其作为辅助工具，就需要让系统在各方面都保持稳定的表现。

如果一个系统完成一项工作的成功率只有95%，那是远远不够的，必须能圆满完成整个任务，才能让人放心地将工作交托给它。

所以在出现这种大规模的岗位变革前，我们还有大量工作要做，但这种变革最终一定会到来。当然，一旦实现通用人工智能，整个经济体系都会发生改变，这早已超出了岗位变革的范畴。

如果我们能打造出真正的通用人工智能，而且方向正确，我们或许会进入一个后稀缺时代，解决世界上一些根本性的难题，比如能源问题。

（笔记侠注：“后稀缺时代”指物质、能源和信息极大丰富的未来社会，传统意义上的资源短缺将消失。在这一时代，AI和自动化技术使生产成本趋近零，人们无需劳动即可获得基本生活需求，货币可能失去意义。例如，马斯克预测AI将消除贫困，工作成为可选项；经济学家认为稀缺性本身会变得稀缺，时间、精力等人类核心价值将更珍贵。）

借助人工智能，研发出全新的清洁、可再生的近乎免费的能源，比如实现核聚变。还有新材料的研发。

我认为，信息才是宇宙最基本的单元，而不是能量或物质。

如果你看物理学，能量和物质通常被认为是守恒的、基础的。但其实信息才是理解宇宙演化的钥匙。

再看生物学。生命系统本质上是一个信息处理系统。我们在做什么？我们在抵抗热力学第二定律（熵增）。我们在混乱的宇宙中，努力维持自身的结构，维持信息的有序性。

这就是进化的本质：通过选择压力，筛选出那些能够稳定保存和复制信息的结构。再把视角放大到宇宙。

行星、恒星、星系的形成，其实也是在引力等物理法则的作用下，从混沌中涌现出的“信息结构”。

如果我们把宇宙看作是一个信息处理过程，那么AI就是这一过程的加速器。AI本质上是在帮助我们以更高效的方式，去解构、理解和重组宇宙中的信息。

以AlphaFold（生物分子结构预测人工智能模型）为例。蛋白质折叠问题困扰了人类50年。蛋白质的结构数量几乎是无限的，如同大海捞针。

但AlphaFold（生物分子结构预测人工智能模型）通过学习已知数据的“信息拓扑结构”，找到了其中的规律，从而预测了所有已知蛋白质的结构。这不仅是生物学的胜利，更是“信息论”视角的胜利。

我们正在用AI这个工具，去破解物质、能量、生命背后的信息密码。这将帮助我们发现新材料（比如室温超导体）、设计新药、解决气候变化。

在科学领域，AI是工具，就像望远镜。哈勃望远镜没有夺走天文学家的工作，它让他们看得更远了。AlphaFold（生物分子结构预测人工智能模型）预测了蛋白质结构，并没有让生物学家失业，而是让他们跳过了枯燥、耗时数年的晶体衍射测定工作，直接去研究疾病机理和药物设计。

这就是我看到的未来：AI负责那些繁重、枯燥的信息处理工作，让人类腾出手来。我们将有更多的时间去思考更高级的科学问题，去创造更有意义的艺术，去寻找真正的目的和意义。

在实现通用人工智能后的五到十年，我们会进入一个彻底改变的世界。我们即将进入一个变革的时代，变革的规模和速度都会是工业革命的十倍，影响力会是百倍。

变革的背后，蕴藏着巨大的机遇。而且我始终坚信人类的创造力，我们的适应能力极强，因为人类的思维具有极强的通用性。

人类的大脑无比强大，我们的祖先以狩猎采集为生，而我们凭借这样的大脑构建了现代文明，所以我相信我们能再次适应新的时代。当然，这次的变革是前所未有的，因为它的速度太快了。

以往，这样的重大变革往往需要一两代人的时间才能完成，而这次人工智能技术的变革，规模和影响力都极为巨大。

我会鼓励今天的孩子们熟练掌握这些新工具，像使用母语一样运用它们，这些工具几乎能赋予他们超能力。比如在创意艺术领域，借助人工智能，一个人或许能完成过去十个人的工作。

这意味着，如果你富有创业精神，在游戏设计、电影制作等创意领域有想法，就能完成更多工作，也能比以往更容易地跻身这些行业，成为新锐人才。

六、当所有技术目标实现后，

我们还需要什么？

到那时，我想利用人工智能探索物理学的极限。

上学时，我最感兴趣的就是那些终极问题：现实的本质是什么？意识的本质是什么？费米悖论的答案是什么？（笔记侠注：费米悖论是宇宙学和天体生物学中最经典的未解之谜，由美籍意大利物理学家恩里科・费米在1950年提出，核心是“理论上的地外文明存在性”与“人类实际观测证据为零”的尖锐矛盾）时间是什么？引力是什么？

我很惊讶，很多人每天忙于生活，却从未思考过这些重大问题，而这些问题一直萦绕在我心头，迫切想要找到答案。

我想借助人工智能，去探索所有这些问题，或许还能在人工智能的助力下，利用新的能源和材料技术，实现星际旅行。

在AI时代，经济层面的问题更多是一个政治问题：当人工智能为我们带来巨大的效益和生产力提升时，我们能否确保这些成果为全人类共享？

但更核心的问题是，很多人从工作和科研中获得生活的意义和目标，在新的时代，我们该如何找到这些？

我们需要新一代伟大的哲学家，来帮助我们思考这个问题。

或许未来，我们的艺术创作会更加精妙，我们的探索之旅会更加深远，就像如今我们所做的极限运动等非经济目的的事情一样，未来或许会有更多更小众、更有深度的这类活动。

结语：给身处变革中每个人的建议

大家可能会问：面对AI时代，我该怎么做？怎么应对？

我有两点建议。

第一，对于年轻一代，唯一确定的就是未来的剧变。因此，最核心的技能是“学习的能力”，你适应新环境、吸收新信息以及利用新工具的速度有多快？这非常重要。

第二，对于企业家和创业者，面对层出不穷的模型和服务商，关键在于选择正确的合作伙伴。请选择那些以你认可的方式、负责任地拥抱技术的变革者。唯有如此，我们才能通过AI的进步，共同创造我们向往的未来。

我们深嵌于一个政治、经济、科技、哲学都在经历持续变革和深刻重塑的复杂社会与商业系统之中。

在前所未有的复杂系统性变革中，我们需要的是理解世界底层的“元能力”。

笔记侠 PPE（哲学、政治学与经济学）课程，正是为理解这样的复杂系统而生：理解国际贸易与经济政策、理解国际政治与治理模式、理解全球技术与科技范式、理解文明进程与哲学意义。

这是第五代企业家应有的一套“操作系统”。

笔记侠PPE课程26级招生现已启动。驾驭技术、洞察世界、扎根中国、修炼心力，在应对时代重重挑战中寻找决策底牌。

穿越变革的旧世界，找到时代的新大陆，从升级你的PPE决策底层开始。

欢迎你扫描下方海报二维码，添加课程主理人咨询详情。

参考资料：

1.《每周工作100小时！谷歌DeepMind CEO揭秘：中国对手是字节跳动，断言谷歌是AI领域唯一全栈巨头》，InfoQ

2.《达沃斯｜哈萨比斯：每周工作一百小时让谷歌重回顶尖！我们将进入“后稀缺世界”》，瓜哥AI新知

3.《谷歌“大脑”德米斯·哈萨比斯最新访谈：去年西方夸大了对DeepSeek的恐惧，最应该担心的竞争者是字节跳动》，九千光年

4.《谷歌AI掌门人、诺奖得主Demis：AGI需要打破“金鱼记忆”，而谷歌无论泡沫破裂与否都将是赢家》，AI科技大本营

*文章为作者独立观点，不代表笔记侠立场。

好文阅读推荐：

“子弹笔记”是笔记侠的矩阵公众号，聚焦职场效率追求、人际关系与高潜成长者，帮你3分钟吃透核心观点和方法论。欢迎关注～